• 한국방사선학회논문지
• /
• 제17권2호
• /
• pp.191-199
• /
• 2023

본 연구는 높은 관전압과 낮은 관전류로 인한 복부 영상 노이즈 발생을 BSRGAN (Deep Bline Image Super-Resolution Generative Adversarial)기법으로 보정하고, 최소화된 방사선량을 가진 촬영 조건을 제시하는 것을 목표로 하였다. 먼저 각 촬영 조건에 따른 입사표면 선량(entrance surface doses, ESD)을 측정하였고, 해당 촬영 조건들의 복부 영상을 획득한 후 그 획득한 모든 복부 영상들은 BSRGAN 기법을 통해 재구성하였다. 영상 분석방법으로는 복부의 기준 촬영 조건인 80 kVp, 320 mA의 영상과 비교 분석하였고, 그 방법으로는 평균제곱오차(mean squared error, MSE), 최대 신호 대 잡음비(peak signal-to-noise ratio, PSNR), 그리고 구조적 유사도 지수 측정(structural similarity index measure, SSIM)을 사용하였다. 또한, BSRGAN 기법으로 재구성된 복부 영상효과를 검증하기 위해 절편 신호강도 분석은 실행되었다. MSE가 가장 낮은 조사조건은 90 kVp, 125 mA와 100 kVp, 100 mA (약 0.285)이었고, PSNR은 37.694와 SSIM은 0.999로 나타났다. 그 촬영 조건들은 ESD를 약 52 ~ 53%를 감소시켰다. 게다가, 최적화된 조건들의 신호 강도의 변화는 기준 복부 영상보다 오히려 감소하였다. 이 결과는 방사선량을 크게 줄임과 동시에 기준 복부 영상과 유사한 영상을 획득할 수 있음을 의미하며, 이는 방사선방호의 원리인 ALARA 개념을 충분히 반영할 수 있음을 시사한다.

• 전자공학회논문지
• /
• 제52권3호
• /
• pp.154-161
• /
• 2015

기존의 예제기반 초해상도 복원은 다수의 외부영상을 이용한 사전 생성 방법과 단일 영상을 이용한 자기참조 예제기반 복원 방법이 있지만, 입력영상의 특성과 패치사전에 따라 복원 성능이 저하되는 문제점이 있다. 이러한 문제점을 개선하기 위해서, 본 논문에서는 멀티 프레임의 움직임 정보를 이용하여 적응적 패치 선택을 통한 초해상도 영상복원 방법을 제안한다. 제안하는 초해상도 영상 복원 방법은 3가지 단계로 구성된다. i) 인접한 프레임간의 움직임 정보를 이용한 로컬 영역을 정의, ii) 단계적 열화를 이용한 적응적 패치 검색 방법, iii) 최적의 패치검색을 통한 패치 결합 및 초고해상도 영상복원이다. 결과적으로 제안하는 방법은 인접한 프레임간의 움직임 정보와 단계적 열화를 이용하여 패치를 검색함으로써 패치 검색의 정확성을 높여주고, 동영상에서 부자연스러운 현상이 제거된 초해상도 영상 복원이 가능하다. 실험결과에서는 기존의 초해상도 영상복원 방법과 비교할 때 복원 부작용이 감소되어 자연스럽게 복원된 영상을 제공하는 동시에, peak-to-peak signal noise ratio (PSNR)과 structural similarity measure (SSIM)를 사용한 객관적 성능 향상을 보인다.

• 한국차세대컴퓨팅학회논문지
• /
• 제14권6호
• /
• pp.7-14
• /
• 2018

다중 뷰 비디오로부터 두드러진 정보 추출은 인터뷰, 인트라 뷰간 상관관계와 계산 비용 때문에 매우 어려운 영역입니다. 매우 높은 계산 복잡성을 지닌 멀티 뷰 비디오에서 키프레임을 추출하기 위해 개발된 몇 가지 기술이 있습니다. 이 논문에서, 우리는 내부에 존재하는 엔트로피와 복잡한 정보를 사용하여 멀티 뷰 비디오의 키프레임 추출 접근 방식을 제시합니다. 첫 번째 단계에서는 프레임 사이의 SSIM값을 기반으로 각 보기에서 전체 비디오의 대표 샷을 추출합니다. 두 번째 단계에서는 서로 다른 보기의 모든 샷 프레임에 대한 엔트로피와 복잡성 점수가 계산됩니다. 마지막으로 엔트로피와 복잡성 점수가 가장 높은 프레임은 키 프레임으로 간주됩니다. 제안된 시스템은 사용 가능한 Office벤치마크 데이터 세에서 주관적으로 평가되며, 정확성과 시간 복잡성의 측면에서 결과는 편리합니다.

• 한국광학회지
• /
• 제34권5호
• /
• pp.192-201
• /
• 2023

Band-limited angular spectrum method (BL-ASM)는 공간주파수 제어의 문제로 aliasing 오류가 발생한다. 본 논문에서는 위상 홀로그램에 대한 표본화 간격 조정 기법과 딥 러닝 기반의 U-net 모델을 사용한 스펙클 노이즈 감소 및 이미지 품질 향상 기법을 제안하였다. 제안한 기법에서는 넓은 전파 범위에서 aliasing 오류를 제거할 수 있도록 먼저 샘플링 팩터를 계산하여 표본화 간격 조절에 의한 공간주파수를 제어함으로써 스펙클 노이즈를 감소시킨다. 그 후 딥 러닝 모델을 적용한 위상 홀로그램을 학습시켜 복원 이미지의 품질을 향상시킨다. 다양한 샘플 이미지에 대한 S/W 시뮬레이션에서 기존의 BL-ASM과의 peak signal-to-noise ratio (PSNR), structural similarity index measure (SSIM)을 비교할 때 각각 평균 5%, 0.14% 정도 비율이 향상됨을 확인하였다.

• 한국방사선학회논문지
• /
• 제17권2호
• /
• pp.215-221
• /
• 2023

수정체가 포함된 Brain CT 스캔 조건 중 관전압을 80, 100, 120 kVp로 변화시켜 적용하고 납, 납 고글, 황산바륨 실리콘 혼합 차폐체를 이용하여 선량의 변화를 분석하고, 차폐체가 화질에 영향을 미치는 정도를 SNR, CNR, SSIM 지수 분석방법을 적용하여 비교 분석해 보았다. 그 결과 모든 차폐물질 적용으로 선량 감소는 하였지만, 선량 감소 차는 크지 않은 것으로 분석되었다(P > 0.05). 또한 차폐물질 적용으로 화질의 변화는 납 고글 적용 시 SNR, CNR이 가장 높았고 SSIM 분석에서도 기준값 1에 가장 근접하여 구조적 유사도가 가장 우수한 것으로 측정되었다. 따라서, 본 연구결과를 기준으로 더욱 다양한 차폐체 적용과 임상실험 결과를 도출하여 적용한다면 차폐체 활용 검사 시 임상 적용기준에 도움을 줄 수 있을 것으로 사료된다.

• 한국군사과학기술학회지
• /
• 제22권6호
• /
• pp.735-744
• /
• 2019

One of the key factors for recognition performance in the automatic target recognition for synthetic aperture radar imagery(SAR-ATR) system is reliability of the SAR target database. To achieve optimal performance, the database should be constructed using the images obtained under the same operating condition as the SAR sensor. However, it is impractical to have the extensive set of real-world SAR images, and thus those from the electro magnetic prediction tool with 3-D CAD models are suggested as an alternative where their reliability can be always questionable. In this paper, a method for similarity assessment between target SAR images is presented inspired by the fact that a target SAR image is mainly characterized by the features of scattering centers. The method is demonstrated using a variety of examples and quantitatively measures the similarity related to reliability. Its assessment performance is further compared with that of the existing metric, structural similarity(SSIM).

• 한국방송∙미디어공학회:학술대회논문집
• /
• 한국방송∙미디어공학회 2021년도 하계학술대회
• /
• pp.212-215
• /
• 2021

본 논문에서는 6 Fisheye lens 원본 영상에 대하여 Insta360 stitcher, AutoStitch[4], As-Projective-AsPossible(APAP)[5] 스티칭 방법으로 360 도 파노라마 영상을 생성하고 기하학적 왜곡과 컬러 왜곡을 비교 평가한다. 360 도 파노라마 Image Quality Assessment(IQA) 메트릭으로 Natural Image Quality Evaluator(NIQE)[6], Blind/Referenceless Image Spatial Quality Evaluator (BRISQUE)[7], Perception based Image Quality Evaluator(PIQE)[8], Feature Similarity(FSIM)[9] 그리고 high frequency feature 에 대한 Structural Similarity(SSIM)[10]을 측정하여 정량적 평가를 하며 정성적인 비교를 통하여 파노라마 영상의 품질과 평가 메트릭에 대한 벤치마크를 제공한다.

• 한국컴퓨터정보학회논문지
• /
• 제24권3호
• /
• pp.41-47
• /
• 2019

In this paper, we propose a application of conditional generative adversarial network (cGAN) for generation of contrast enhanced computed tomography (CT) image. Two types of CT data which were the enhanced and non-enhanced were used and applied by the histogram equalization for adjusting image intensities. In order to validate the generation of contrast enhanced CT data, the structural similarity index measurement (SSIM) was performed. Prepared generated contrast CT data were analyzed the statistical analysis using paired sample t-test. In order to apply the optimized algorithm for the lymph node cancer, they were calculated by short to long axis ratio (S/L) method. In the case of the model trained with CT data and their histogram equalized SSIM were $0.905{\pm}0.048$ and $0.908{\pm}0.047$. The tumor S/L of generated contrast enhanced CT data were validated similar to the ground truth when they were compared to scanned contrast enhanced CT data. It is expected that advantages of Generated contrast enhanced CT data based on deep learning are a cost-effective and less radiation exposure as well as further anatomical information with non-enhanced CT data.

• 한국산학기술학회논문지
• /
• 제18권5호
• /
• pp.518-523
• /
• 2017

본 논문은 비지역적(non-local)방법에 기반한 적응적 디노이징 방법을 제안한다. 비지역적 알고리즘은 부가적 백색 잡음(additive white Gaussian noise, AWGN)을 제거하는데 효과적이다. 노이즈 제거를 위해 비지역적 방법을 적용할 때 노이즈 수준에 따라 디노이징 파라미터가 조절될 필요가 있었다. 그러므로, 제안하는 방법은 입력 노이즈 수준에 따라 최적의 디노이징 파라미터를 제공하는 것이다. 제안하는 방법은 크게 두 가지 부분으로 나뉜다. 첫 번째로는 오프라인 과정과 온라인 과정이다. 오프라인 과정에서는 노이즈 수준과 디노이징 파라미터 간의 관계를 비지역적 기법을 이용하여 분석해본다. 다양한 디노이징 파라미터들이 비지역적 알고리즘에 적용되며 이에 대한 이미지이에 대한 이미지의 퀄리티를 분석하기 위해서 SSIM 지표가 사용된다. 주어진 노이즈 수준에서 최적 디노이징 파라미터를 가장 높은 SSIM일 때 선택한다. 온라인 과정에서는 노이즈 수준을 실 시간으로 추정하여 최적의 디노이징 파라미터를 적용하여 비지역적 필터링을 수행한다. 실험 결과에서 보는 바와 같이, 제안하는 방법은 정확하게 노이즈 수준을 추정했고, 이미지 디테일을 보존하면서 AWGN 노이즈를 제거했다. 이에 따른 실험 결과로 노이즈 추정 정확도는 90.0%, 복원된 이미지에서 높은 PSNR과 SSIM수치를 보였다.

• 한국산학기술학회논문지
• /
• 제18권6호
• /
• pp.728-735
• /
• 2017

디지털 디바이스가 범용적으로 보급되면서, 영상을 획득하는 과정에서 다량의 부가적 백색 잡음 노이즈(additive white Gaussian noise, AWGN)가 발생하고 있다. 대부분 알려져 있는 대표적인 디노이징 기법들은 노이즈를 제거하는 것에 초점을 맞추고 있어, 영상정보를 포함하는 디테일 성분들이 노이즈를 제거가 되는 과정에서 비례적으로 없어지게 된다. 그러므로, 제안하는 알고리즘은 영상 디테일을 보존하면서 효과적으로 노이즈를 제거하는 방법을 제시하고자 한다. 제안하는 방법에서는, 노이즈의 랜덤성을 이용하여 엣지 강도 및 엣지 연결성을 이용하여 의미 있는 디테일 성분을 분리하는 것을 목적으로 한다. 결과적으로, 노이즈 수준이 높아져도, 제안하는 방법은 연결된 디테일성분을 효과적으로 추출하기 때문에 타 벤치마크 방법에 비해 나은 디노이징 결과를 보여준다. 또한, 실험결과에서 보듯이, 제안하는 방법은 다양한 노이즈 수준에서도 타 벤치마크 방법들에 비교하여 제안하는 방법은 SSIM(structural similarity index), PSNR(peak signal-to-noise ratio)측면에서 각각 우수한 수치를 보여주었다. 높은 수치의 SSIM의 결과로 알 수 있듯이, 결과 영상들이 인간의 시각인지체계(human visual system, HVS)를 반영하고 있는 것을 확증해 주고 있다.